utama karena sifat dari model ini yang tidak membedakan perilaku data sehingga memungkinkan terjadinya bias, namun model ini digunakan
sebagai pembanding dari kedua pemilihan model lainnya. b
Model pendekatan Efek tetap Fixed Effect Pendekatan model ini menggunakan variabel Dummy yang
dikenal dengan sebutan model efek tetap fixed effect atau Least Square Dummy Variabel atau disebut juga Covariance Model. Pada metode Fixed
effect estimasi dapat dilakukan dengan tanpa pembobot no weight atau Least Square Dummy Variabel LSDV dan dengan pembobot cross
section weight atau General Least Square GLS. Tujuan dilakukannya pembobotan adalah untuk mengurangi heterogenitas antar unit cross
section Gujarati, 2006. Penggunaan model ini tepat untuk melihat perilaku data dari masing-masing variabel sehingga data lebih dinamis
dalam mengintepretasi data. Pemilihan model antara Common Effect dengan Fixed Effect
dapat dilakukan dengan pengujian Likelihood Test Radio dengan ketentuan apabila nilai probabilitas yang dihasilkan signifikan dengan
alpha maka dapat diambil keputusan dengan menggunakan Fixed Effect Model.
c Model Pendekatan Efek Acak Random Effect
Model data panel pendekatan ketiga yaitu model efek acak random effect. Dalam model efek acak, parameter-parameter yang
berbeda antar daerah maupun antar waktu dimasukan ke dalam error.
Karena hal inilah, model efek acak juga disebut model komponen eror error component model.
Dengan menggunakan model efek acak ini, maka dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi
jumlahnya seperti yang dilakukan pada model efek tetap. Hal ini berimplikasi parameter yang merupakan hasil estimasi akan jadi semakin
efisien. Keputusan penggunaan model efek tetap ataupun acak ditentukan dengan menggunakan uji hausman. Dengan ketentuan apabila probabilitas
yang dihasilkan signifikan dengan alpha maka dapat digunakan metode Fixed Effect namun apabila sebaliknya maka dapat memilih salah satu
yang terbaik antara Model Fixed dengan Random Effect.
2. Teknik Penaksiran Model
Pada penelitian ekonomi, seorang peneliti sering menghadapi kendala data. Apabila regresi diestimasi dengan data runtut waktu, observasi tidak
mencukupi. Jika regresi diestimasi dengan data lintas sektoral terlalu sedikit untuk menghasilkan estimasi yang efisien. Salah satu solusi untuk
menghasilkan estimasi yang efisien adalah dengan menggunakan model regresi data panel. Data panel pooling data yaitu suatu model yang menggabungkan
observasi lintas sektoral dan data runtut waktu. Tujuannya supaya jumlah observasinya meningkat. Apabila observasi meningkat maka akan mengurangi
kolinieritas antara variabel penjelas dan kemudian akan memperbaiki efisiensi estimasi ekonometri Insukindro, 2001.
Hal yang diungkap oleh Baltagi dalam Irawan, 2012, ada beberapa kelebihan penggunaan data panel yaitu:
a Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap
unit. b
Estimasi data panel dapat menunjukkan adanya heterogenitas dalam tiap unit.
c Data panel cocok utnuk digunakan karena menggambarkan adanya
dinamika perubahan. d
Data panel dapat meminimalkan bias yang mungkin dihasilkan dalam agregasi.
Untuk menguji estimasi pengaruh volume usaha, modal luar dan modal sendiri pada sisa hasil usaha koperasi digunakan alat regresi dengan
model data panel. Ada dua pendekatan yang digunakan dalam menganalisis data panel. Pendekatann Fixed Effect dan Random Effect. Sebelum model
estimasi dengan model yang tepat, terlebih dahulu dilakukan uji spesifikasi apakah Fixed Effect dan Random Effect atau keduanya memberikan hasil yang
sama. Metode GLS Generated Least Square dipilih dalam penelitian ini
karena adanya nilai lebih yang dimiliki oleh GLS dibanding OLS dalam mengestimasi parameter regresi. Gujarati 2003 menyebutkan bahwa metode
OLS yang umum mengasumsikan bahwa varians variabel adalah heterogen, pada kenyataannya variasi pada data pooling cenderung heterogen. Metode
GLS sudah memperhitungkan heterogenitas yang terdapat pada variabel
independen secara eksplisit sehingga metode ini mampu menghasilkan estimator yang memenuhi kriteria BLUE Best Linier Unbiased Estimator.
Dari beberapa variabel yang digunakan dalam penelitian ini maka dapat dibuat model penelitan sebagai berikut:
Y
it
= β
0+
β
1
X
1it
+ β
2
X
2it +
β
3
X
3it t
+ε Yang kemudian ditransformasikan kedalam persamaan logaritma,
yaitu : LogY
it
= β
0 +
Log β
1
X
1it
+ Log β
2
X
2it +
Log β
3
X
3it
+ ε
Keterangan: Log Y
it
= Sisa Hasil Usaha SHU β
= Konstanta Log
β
123
= Koefisien variabel 1, 2, 3 Log X
1
= Modal Sendiri Log X
2
= Modal Luar Log X
3
= Volume Usaha i
= 10 KabupatenKota t
= Periode Waktu ke-t ε
= Error Term
Dalam menguji spesifikasi model pada penelitian, penulis menggunakan beberapa metode :
a. Uji Chow
Uji Chow yaitu uji yang digunakan untuk mengetahui apakah model Pooled Least Square PLS atau Fixed Effect Model FEM yang akan dipilih
untuk estimasi data. Uji ini dapat dilakukan dengan uji restricted F-test atau uji Chow. Dalam pengujian ini dilakukan dengan hipotesa sebagai berikut:
H : Model PLS Restricted
H
1 :
Model Fixed Effect Unrestricted Dasar penolakan terhadap hipotesa nol tersebut adalah dengan
menggunakan F-statistik seperti yang digunakan sebagai berikut: Chow =
−� �−
� � −�−�
Dimana: RRSS = Restricted Residual Sam Square merupakan Sum Square Residual
yang diperoleh dari estimasi data panel dengan metode pooled least squarecommon intersept
URSS = Unrestricted Residual Sum Square merupakan Sum Square Residual yang diperoleh dari estimasi data panel dengan metode
fixed effect N = Jumlah data cross section
T = Jumlah data time series K = Jumlah variabel penjelas
